AI骗走173万!伪造老板声音,这家公司上当了,赃款骗子都不见
郭一璞 发自 凹非寺量子位 报道 | 公众号 QbitAI“来我办公室一趟。”“您哪位啊?”“啥?你听不出来我是谁吗?”“是……张总吗?”接着,就会发现电话那头的“张总”,让你去找财务部的同事,然后以“陪客户”、“联络高层”的由头,要求给一个陌生账号汇款……你也接到过类似的电话吧?这个诈骗套路关键的一环就在于,你要把他的声音听成自己公司某个老板的声音。好在,大部分人不会听错,因此也不会上当受骗。但
基于序列模型的随机采样
导语:本文回顾了一系列常用的序列模型采样方法,包括基于蒙特卡洛的随机采样和随机束搜索,以及最近提出的基于Gumbel-Top-K的随机束搜索。本文作者为李炎洋,来自东北大学自然语言处理实验室,向雷锋网(公众号:雷锋网)AI科技评论独家投稿。对于目前基于神经网络的序列模型,很重要的一个任务就是从序列模型中采样。比如解码时我们希望能产生多个不一样的结果,而传统的解码算法只能产生相似的结果。又比如训练时
工信部约谈陌陌:要求对ZAO App数据安全问题自查整改
36氪获悉,工信部发文称,针对媒体公开报道和用户曝光的“ZAO”App用户隐私协议不规范,对陌陌负责人进行了问询约谈,要求其组织开展自查整改,依法依规收集使用用户个人信息,规范协议条款,强化网络数据和用户个人信息安全保护。https://www.toutiao.com/i6732630887097172492/
「图像分类」 实战图像分类网络的可视化
作者 | 郭冰洋编辑 | 郭冰洋1 简介一直以来,深度学习被认为缺乏可解释性和基础理论支撑,往往被人们看做一个“黑匣子”。为了展现神经网络的内部特征并构建相应的理解过程,使神经网络更加可靠,相关的网络可视化研究越来越受人们重视。现阶段,网络可视化的研究内容基本上围绕经典的分类网络展开,是图像分类的延伸和升华,大体上可以分为层可视化、卷积核可视化、类激活图可视化三种,本篇文章我们就走进神经网络的内部
车牌识别是人工智能在城市交通中应用最理想的领域
目前在智能交通领域,人工智能分析及深度学习比较成熟的应用技术以车牌识别算法最为理想,虽然目前很多厂商都宣称自己的车牌识别率已经达到了99%,但这也只是在标准卡口的视频条件下再加上一些预设条件来达到的。在针对很多简易卡口和卡口图片进行车牌定位识别时,较好的车牌识别也很难达到90%。不过随着采用人工智能、深度学习的应用,这一情况将会得到很大的改善。车辆识别技术是智能交通系统中至关重要的环节之一,通过车
人在坐,AI在看
乾明 鱼羊 发自 凹非寺量子位 报道 | 公众号 QbitAI教室之内,你做什么AI都有记录?!为此旷视不得不回应了。昨天,一张带有“MEGVII旷视”图标的视频监控图像在社交网络上疯传。图中显示,两名在教室中的女生身边,显示出了相应的课堂行为数据,比如趴桌子、玩手机、睡觉、听讲、阅读、举手等等。伴随这张图,还有大量网友严厉的指责与质疑,认为这样的技术不应该出现在课堂中。加之变脸AI应用ZAO引发
利用人脸识别技术,可能走到提高教学质量的反面
学生进教室后自动识别个人信息,系统自动签到签退,全程监控学生上课听讲情况,就连你发呆、打瞌睡和玩手机等动作行为都能被识别出来。位于江苏南京的中国药科大学,日前在校门口、学生宿舍大门口、图书馆、实验楼等场所安装了人脸识别门禁,并在部分试点教室“试水”安装了人脸识别系统用于日常考勤和课堂纪律管理。后期,学校将根据教务部门反馈意见,视情况而定是否在所有教室都安装人脸识别系统。如果单从加强课堂纪律管理看,
京东副总裁:AI人才缺口问题是世界性的,最需这两类人才
2019-09-02 21:18 来源:澎湃新闻拿出手机对着心仪商品拍张照,就可以在电商App上检索到对应的商品和信息,方便地完成后续下单步骤。在这一场景背后,是图像识别等人工智能技术正在发挥作用。8月31日,在2019世界人工智能大会举办期间,京东集团副总裁、京东人工智能事业部总裁周伯文在接受澎湃新闻记者采访时介绍,自2017年主导组建京东人工智能团队以来,对“拍照购”的算法等进行提
上观独家 | 专访“计算机视觉奠基人”:AI改变了科学家发现世界的方式
2019-09-02 20:41:11德米特里·特佐普罗斯(Demetri Terzopoulos)来过上海多次。在刚刚结束的2019世界人工智能大会上,他在题为“智汇健康·预见未来”的分论坛上带来了主题为“人工智能在视觉计算和医学领域应用”的演讲。在此之前,今年7月他在北京大学前沿计算研究中心的一场报告中,带去的演讲主题则是“神经肌肉和感知控制的人体仿真与深度学习”。事实上,这位有着英国工程院院
姚颂长文:AI芯片创企遭遇制造工艺困境,看好华为与阿里平头哥
2019-09-02 13:39:19本文首发于:Xilinx学术合作,作者:姚颂,原深鉴科技联合创始人。深鉴科技曾为国内AI芯片独角兽,此前专注于以FPGA实现人工智能落地,2018年7月18日,被FPGA开山鼻祖赛灵思收购。2019年8月19日到21日,第31届Hot Chips大会在斯坦福大学成功举办。从2016年开始,这是我参加的第四届Hot Chips。在之前的三届Hot Chips,有
我,28岁,应不应该从普通工程师转行到AI?
安妮 发自 凹非寺量子位 出品 | 公众号 QbitAI求助。28岁的物理工程师,想转行做AI到底值不值?机器学习工程师在企业中的现状又是什么样子的?一则求助帖,在今日的Reddit论坛上迅速发酵:我是一名物理工程师,对目前的工作不那么感兴趣,甚至有点想回学校稍微逃避下现实和责任。在没毕业前,有人建议我去搞机器学习,也激励我去做计算机视觉方面的实习,去做更多的项目等。目前我已经有一份工作了,我想“
计算机视觉人体实例分割之pose2seg
代码连接:https://github.com/liruilong940607/Pose2Seg文章连接:https://arxiv.org/abs/1803.10683cvpr2019新出的人体实例分割模型,效果还不错,就是得需要提取人体关键点,比起maskrcnn要麻烦一点,但效果要比maskrcnn好,尤其是人员者当时。开源的代码中没有预测的代码,对其test.py进行了修改,分割结果就可以
AI如何影响经济周期?诺奖得主表态:保持关注,我很乐观
我对科技方面的变化是非常感兴趣的,科技可以提高金融业的效率,人工智能在这个领域毫无疑问是非常有前景的,从宏观经济学角度来讲它非常重要,因为它能够促进数亿人民的福祉。” 芬恩·基德兰德在2019世界人工智能大会上的未来金融论坛上这样说。 芬恩·基德兰德是挪威著名经济学家,2004年凭借“经济政策的相容性和经济周期背后的驱动力”研究方面的杰出成就,获得诺贝尔经济学奖。“我的经济模型是关于长期
2019无人驾驶50强
无需紧盯路况,私家车车主每天在上班路上可以边喝茶边看报;无需人工干预,公交车每天就能有条不紊地输送上百万乘客;无需中途停靠或长途驾驶员,卡车就能够将成千上万的包裹更快地送到国家另一端……随着汽车智能化与电动化的不断升级,无人驾驶汽车已经成为汽车产业变革的一大趋势,人们的交通出行正迎来越来越多的可能性,汽车正在从交通工具逐渐转变为大型的移动智能平台。据有关资料显示,预计2021年全球无人驾驶汽车市场
无人驾驶“竞赛”如火如荼 真正普及或还要等待十年
来源丨21世纪经济报道记者丨陶力 易佳颖 上海报道编辑丨张星概念少了,应用多了。这是2019世界人工智能大会留给与会者的最深印象。8月30日一早,在上海世博展览中心外的无人驾驶动态体验场,便挤满了前来参观的观众和试乘者,这是国内首个车路协同、5G远程控制的体验场,无人驾驶卡车、无人驾驶大巴、无人网约车都一一亮相。与此同时,21世纪经济报道记者注意到,在室内展区,美团外卖的无人配送车“小袋”和无人配
科大讯飞吴晓如:人工智能现在最缺“人”
“未来,你会有一个非常强大的助手——当你需要出远门,他会为你规划路线,为你驾驶;当你需要学习某些知识,他会告诉你哪些是你的薄弱环节;当你体检完成后,他会告诉你身体该如何调理……”科大讯飞执行总裁吴晓如展望,“如果每个人都拥有这样一位助手,一定会很幸福吧!”或许,吴晓如口中的这位助手已然悄悄走进了我们的生活,你也并不陌生:人工智能。昨天,在浦江畔的世博中心,吴晓如接受了新民晚报记者专访。吴晓如:未来
深度学习之图像目标检测速览
目标检测是很多计算机视觉应用的基础,比如实例分割、人体关键点提取、人脸识别等,它结合了目标分类和定位两个任务。现代目标检测器的框架可分为two-stage和one-stage两种类型,two-stage框架分为两步,精度高,但速度较慢,不能到、达到实时检测:1) 区分前景物体框与背景并为它们分配适当的类别标签;2) 回归一组系数使得最大化检测框和目标框之间的交并比或其它指标,最后,使用非极大值抑制
坦途与波折:我们需要什么样的人工智能?
聚焦前沿科技创新与传统产业升级作者:冉伟 资本实验室创始人(根据作者在BigAI创新大学活动上的演讲整理)历史车轮滚滚向前,如今我们正在进入人工智能时代。其中的坦途足以让我们乐观和振奋,其中的波折也可能会让我们不安或担忧。面对未来,我们需要坚持三个基本要点:效率、环保与福祉。1.人工智能与传统产业的加速融合如果我们做一个连连看的小游戏,把左边的6家公司和它们近期各自在人工智能领域的布局一一对应,你
初学者 | NLP相关任务简介
本文根据自己的学习以及查阅相关资料的理解总结,简要的介绍一下自然语言处理(nlp)一些相关技术以及相关任务,nlp技术包括基础技术和应用技术。后续会抽空继续分专题完善这一个系列。限于作者水平有限,其中难免有错漏之处,欢迎读者斧正。发展一般认为1950 年图灵提出著名的“图灵测试”是自然语言处理思想的开端。20 世纪 50 年代到 70 年代自然语言处理主要采用基于规则的方法。基于规则的方法不可能覆
无监督学习之降维
主成分分析(PCA) 主成分分析(Principal Component Anal ysis,PCA)是最常用的一种降维方法,通常用于高维数据集的探索与可视化,还可以用作数据压缩和预处理等。 PCA可以把具有相关性的高维变量合成为线性无关的低维变量,称为主成分。主成分能够尽可能保留原始数据的信息。方差:是各个样本和样本均值的差的平方和的均值,用来度量一组数据的分散程度。协方差:用于度量两个变量